Yürüyen robotlar için bir çift kamera ile elde edilen görüntülerden cisimlerin konum bilgilerinin elde edilmesi

Otomatik çalışan ve hareket kabiliyeti olan bir sistemde etraftaki cisimlerin algılanması kaçınılmaz bir gereksinimdir. Mesafe sensörleriyle bu bir nebze yapılabilse de robotlar gibi karar mekanizmalarına sahip olması gereken sistemler için yeterli olmamaktadır. Bu tarz sistemlerin bir lineer doğrultuda bulunan cisimlerin tespitinden çok bulunulan çevreyi görebilmeleri, bu çevredeki cisimleri algılayıp konumlarını tespit edebilmeleri gerekmektedir ki insan kontrolü olmadan hareket edebilme yeteneğine sahip olsun. Bu tarz bir gereksinim için de dijital kameralar oldukça uygundur. Ancak dijital kameralar ile alınan iki boyutlu görüntüler kendi başlarına cisimlerin konumlarının algılanmasında yeterli olmamaktadır. Konum tespitinde önemli olan derinlik bilgisinin elde edilebilmesidir. İki boyutlu görüntülerden derinlik bilgisinin elde edilebilmesi için günümüz teknolojisinde birçok çalışma yapılmış ve çeşitli yöntemler geliştirilmiştir. Genel prensip öncelikle cisimlerin kenarlarının tespit edilmesidir. Kenar tespiti görüntülerin yapısal özelliklerini bozmadan işlenilen data miktarını büyük ölçüde azaltmakta ve kullanılmayan bilgileri filtrelemektedir. Bu sebeplerden ötürü cisimlerin tespiti ve derinlik bilgisinin elde edilmesi için kenar tespiti en önemli işlemlerden birisidir. Bu önemli proses için çeşitli algoritmalar oluşturulmuştur. Sobel, Prewitt, Roberts, Canny bu algoritmalardan bazılarıdır. Kenar belirleme algoritmaları gradyan ve laplasyan olmak üzere iki temel kategoride incelenebilir. Gradyan metodunda görüntüden gelen sinyal fonksiyonlarının birinci türevindeki minimum ve maksimum noktalarına bakarak kenar belirlemesi yapılır. Laplasyan metodunda ise fonksiyonun ikinci türevinde sıfırdan geçişe bakılarak kenar tespiti yapılır. İnsan görme sisteminde sağ göz ve sol göz manzarayı farklı açılardan görmektedir ve bu görüntüler beyinde birleştirilerek derinlik bilgisi elde edilir. Bu tekniklerden yola çıkarak, iki kamera belirli bir aralıkta yerleştirilerek anlık olarak bir manzaranın iki farklı açıdan görüntüsü elde edilir. Oluşan görüntüler üst üste konulduğunda manzaranın aynı noktaları aynı kare içerisinde farklı konumlarda olacaktır. Bunun sebebi de iki kameranın manzarayı farklı açılardan görüntülemesidir. İşte aynı iki noktanın birbirlerine olan mesafesi tespit edilerek derinlik bilgisi hesap edilebilir. Görüntü işlemede kullanmak amacıyla C++ programlama dilinde oluşturulmuş açık kaynak kodlu kütüphaneler mevcuttur. Bu kütüphanelerin başında da Intel Rusya tarafından geliştirilen OpenCV gelmektedir. OpenCV kütüphanesi görüntü işleme üzerine çok geniş araştırmalar sonucu optimize edilmiş kodlar içermektedir ve bunları yeni yazılımların geliştirilmesi amacıyla ücretsiz olarak insanların kullanımına açmaktadır. OpenCV kütüphanesinin stereo görüntüleme araştırmalarına ağırlıklı olarak kullanılan temel bileşenleri CV ve HighGUI bileşenleridir. CV bileşeni stereo görüntü işlemede kullanılan tüm bilgisayarlı görüntüleme algoritmalarına sahiptir. HighGUI ise okuma, yazma, görüntüleme amacıyla ve parametre ayarlamak amacıyla kullanılan ayar çubuklarını oluşturmak üzere kullanılmaktadır. Uzaklık tespiti için C++'ta geliştirilen yazılımda OpenCV kütüphanesinden faydalanılmıştır. Kameralardan gelen görüntüleri doğru şekilde işleyebilmek için kameraların kalibre edilmesi gerekmektedir. Pratikte, kamera referansına göre üç boyutlu koordinatları bilinen her obje kalibrasyon targeti olarak kullanılabilir. Ancak bu çalışmada, yaygın olarak kullanılan dama tahtası tercih edilmiştir. Kamera kalibrasyon metodu olarak ise Heikkila ve Silven'in geliştirdiği metot kullanılmıştır. Bu metot Bougeuet tarafından bir MATLAB yazılımı haline getirilmiştir. Stereo görüntü çiftlerin rektifikasyonu, bu görüntülerin biçimsel bozulmasını gidererek görüntülerdeki eş piksellerin aynı çizgi üzerinde yerleşmesi sağlanır. Daha teknik ifade etmek gerekirse aşağıda görülen epipolar çizgilerin eş doğrusal olması sağlanır. Korelasyon işleminde sağ ve sol kameradan alınan düzeltilmiş görüntüler kullanarak, bu görüntülerdeki aynı noktalar eşleştirilir. Kameradan olan uzaklığı tespit etmek için ise, görüntülerdeki aynı noktanın lokasyonunun kayması anlamına gelen "disparity" bilgisinin elde edilmesi gerekmektedir. Blok eşleştirme tekniği, korelasyonu hesaplamak ve disparity bilgisini elde etmek için kullanılan algoritma türlerinden birisidir. Bu algoritmada mutlak uzaklıkların toplamı (MUT) pencereleri kullanılarak uyumluluk bulunur. MUT pencereleri, görüntüdeki her bir piksele çevresindeki komşularını da göz önünde bulundurarak bir skorlama metodu kullanır. OpenCV'de blok eşleştirme tekniği için; ön filtreleme, uyumluluk ve son filtreleme olmak üzere üç adım uygulanır. Bu işlemler sırasında sol ve sağ görüntüler normalize edilerek aynı ışık seviyelerinin elde edilmesi sağlanır. Sağ görüntüde aranan kısımdaki en düşük skora sahip piksel en iyi eşleşme olarak öngörülür. Bu piksel ile sol görüntüdeki orijinal piksel arasındaki fark disparity değeri olarak alınır ve bu değer ile derinlik bilgisi hesaplanır Tez kapsamında uzaklık tespiti için kurulan sistem donanımları bir çift kamera ve dizüstü bilgisayardır. Kameralar bilgisayara "Evrensel Seri Veriyolu" ile bağlanmıştır. Kameraların aynı anda çalışması ve işletilmesiyle alakalı tüm yazılım C++ dilinde Visual Studio programı yardımıyla derlenmiştir. Bu sistem ile kenar tespiti başarı ile yapılmış ve geliştirilen yazılım ile uzaklık tespiti gerçekleştirilmiştir. Ancak daha doğru ölçümler için kameraların kalibrasyonun yapılması gerekmektedir ve bu çalışma ilerleyen safhalarda yapılacaktır